Розроблено методологію відбору та налаштування регресійних моделей (Lasso, Elastic Net), де функція втрат ARL інтегрує три виміри: точність апроксимації, якість передбачення тренду (Directional Accuracy) та асиметричний ризик (pinball-loss, q = 0,05). Особливістю запропонованого підходу є застосування елементів нечіткої логіки для динамічного зважування компонентів метрики залежно від поточного стану ринку. Адаптивність системи забезпечується автоматичною зміною пріоритетів оптимізації на основі аналізу ковзних статистичних характеристик часових рядів, зокрема волатильності, асиметрії, ексцесу та автокореляції. У періоди підвищеної ринкової турбулентності зростає вплив ризик-орієнтованої складової, що дозволяє зменшити глибину потенційних просідань, тоді як у стабільних фазах домінує вимога до точності прогнозу. Практична цінність отриманих результатів полягає у можливості застосування запропонованого підходу разом із walk-forward валідацією для побудови робастних моделей прогнозування та управління ризиками на таких ринках як криптовалютний, товарний ринок золота та фондовому ринку США.